- 博客(1)
- 收藏
- 关注
RSS订阅原创 关于DQN中的疑惑
我有个问题想请教，DQN中，在初始化阶段Q function 和 Target network输出都是随机的，那么减少这两个随机输出的误差为什么能update出一个好的policy，是reward起的作用吗，如果是reward引导q值往正确的方向update，那即使是过估计，reward应该也能纠正过来？实在想不明白，望解答 ...
2018-11-22 22:24:02
1058
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人